CN112731334B - 一种激光定位车辆的方法及装置 - Google Patents

一种激光定位车辆的方法及装置 Download PDF

Info

Publication number
CN112731334B
CN112731334B CN202011455835.8A CN202011455835A CN112731334B CN 112731334 B CN112731334 B CN 112731334B CN 202011455835 A CN202011455835 A CN 202011455835A CN 112731334 B CN112731334 B CN 112731334B
Authority
CN
China
Prior art keywords
point cloud
cloud data
vehicle
reference point
matching
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011455835.8A
Other languages
English (en)
Other versions
CN112731334A (zh
Inventor
罗丰山
李悦
刘永臣
聂琦
张宇探
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dongfeng Motor Corp
Original Assignee
Dongfeng Motor Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dongfeng Motor Corp filed Critical Dongfeng Motor Corp
Priority to CN202011455835.8A priority Critical patent/CN112731334B/zh
Publication of CN112731334A publication Critical patent/CN112731334A/zh
Application granted granted Critical
Publication of CN112731334B publication Critical patent/CN112731334B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/50—Systems of measurement based on relative movement of target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4808—Evaluating distance, position or velocity data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种激光定位车辆的方法及装置，其中方法包括：获取参考点云数据与当前位置的当前点云数据；对参考点云数据进行网格划分，获得第一网格单元；基于NDT算法、当前点云数据以及第一网格单元，获得至少3个匹配区域；至少3个匹配区域为配准得分最高的至少3个区域；基于至少3个匹配区域，获得第二网格单元；第二网格单元小于第一网格单元；基于NDT算法、第二网格单元与至少3个匹配区域，获得车辆的位置信息。采用本发明方法确定车辆位置信息，可降低计算资源的消耗，同时避免落入局部最优解，保证确定的车辆位置信息更加可靠。

Description

一种激光定位车辆的方法及装置
技术领域
本发明涉及计算机技术领域，尤其涉及一种激光定位车辆的方法及装置。
背景技术
现有激光雷达SLAM(simultaneous localization and mapping，即时定位与地图构建)定位方法，NDT(Normal Distribution Transform，正态分布变换)算法运用最为广泛，被广泛运用于激光SLAM地图配准定位中，但NDT算法存在当匹配点云初始误差过大或初始角度相差较大时，配准易陷于局部最优解的情形，而导致配准得分较低，无法达到全局最优。现有改进方法多采用构建栅格地图的同时引入特征点信息，借助特征点信息避免NDT算法在迭代匹配中陷入局部最优解无法跳出的情形，但是这样同时也加大了对车载控制器算力的需求，引入多变量后权重的确定与正定也是一项比较复杂难以确定的工作。
因此，目前的激光SLAM地图配准定位中通过NDT算法进行匹配时存在计算量大和容易陷入局部最优的问题，最终导致地图配准和车辆定位错误。
发明内容
鉴于上述问题，本发明提出了一种激光定位车辆的方法及装置，有利于降低计算资源的消耗，同时避免落入局部最优解，保证确定的车辆位置信息更加可靠。
第一方面，本申请通过一实施例提供如下技术方案：
一种激光定位车辆的方法，包括：
获取参考点云数据与当前位置的当前点云数据；对所述参考点云数据进行网格划分，获得第一网格单元；基于NDT算法、所述当前点云数据以及所述第一网格单元，获得至少3个匹配区域；所述至少3个匹配区域为配准得分最高的至少3个区域；基于所述至少3个匹配区域，获得第二网格单元；所述第二网格单元小于所述第一网格单元；基于NDT算法、所述第二网格单元与所述至少3个匹配区域，获得车辆的位置信息。
可选的，所述获取参考点云数据，包括：
获取所述车辆的定位更新的时长间隔、车辆速度以及历史位置；所述历史位置为所述车辆前一次定位的位置；基于所述时长间隔和所述车辆速度，确定配准半径；基于所述历史位置和所述配准半径，从预设的地图点云数据中确定出所述参考点云数据。
可选的，所述基于所述历史位置和所述配准半径，从预设的地图点云数据中确定出所述参考点云数据，包括：
基于所述历史位置和所述配准半径，获取所述历史位置处的转弯路线信息；基于所述转弯路线信息，从预设的地图点云数据中确定出所述参考点云数据。
可选的，所述转弯路线信息表示不包括转弯路线时，所述基于所述转弯路线信息，从预设的地图点云数据中确定出所述参考点云数据，包括：
获取车身宽度；基于所述车身宽度，确定所述参考点云数据的数据宽度；基于所述配准半径和所述车辆速度，确定所述参考点云数据的数据补充长度；基于所述配准半径、所述数据宽度和所述数据补充长度，从预设的地图点云数据中确定出所述参考点云数据。
可选的，所述转弯路线信息表示包括转弯路线时，所述基于所述转弯路线信息，从预设的地图点云数据中确定出所述参考点云数据，包括：
获取车身宽度；基于所述车身宽度，确定所述参考点云数据的数据宽度；基于所述配准半径和所述车辆速度，确定所述参考点云数据的数据补充长度；基于所述转弯路线的转向方向、所述配准半径、所述数据宽度和所述数据补充长度，从预设的地图点云数据中确定出所述参考点云数据。
可选的，所述基于NDT算法、所述当前点云数据以及所述第一网格单元，获得至少3个匹配区域，包括：
基于所述NDT算法将所述当前点云数据与所述第一网格单元进行配准，获得所述当前点云数据中每个转换点的概率密度分布；基于所述当前点云数据和所述转换点的概率密度分布，获得匹配区域的分数值；基于所述分数值的大小，获得所述至少3个匹配区域。
可选的，所述基于所述至少3个匹配区域，获得第二网格单元，包括：
基于所述至少3个匹配区域的分数值，获得每两个所述匹配区域之间的分数差值；从所述分数差值中确定最小差值；基于所述最小差值分别对所述至少3个匹配区域进行网格划分，获得所述第二网格单元。
可选的，所述基于NDT算法、所述第二网格单元与所述至少3个匹配区域，获得车辆的位置信息，包括：
基于所述最小差值调整所述NDT算法的变换参数的计算步长，获得目标步长；基于NDT算法、所述目标步长、所述当前点云数据以及所述第二网格单元，对每个所述匹配区域进行配准，获得车辆的位置信息。
第二方面，基于同一发明构思，本申请通过一实施例提供如下技术方案：
一种激光定位车辆的装置，包括：
获取模块，用于获取参考点云数据与当前位置的当前点云数据；第一网格化模块，用于对所述参考点云数据进行网格划分，获得第一网格单元；第一配准模块，用于基于NDT算法、所述当前点云数据以及所述第一网格单元，获得至少3个匹配区域；所述至少3个匹配区域为配准得分最高的至少3个区域；第二网格化模块，用于基于所述至少3个匹配区域，获得第二网格单元；所述第二网格单元小于所述第一网格单元；第二配准模块，基于NDT算法、所述第二网格单元与所述至少3个匹配区域，获得车辆的位置信息。
第三方面，基于同一发明构思，本申请通过一实施例提供如下技术方案：
一种激光定位车辆的装置，包括处理器和存储器，所述存储器耦接到所述处理器，所述存储器存储指令，当所述指令由所述处理器执行时使所述激光定位车辆的装置执行上述第一方面中任一项所述方法的步骤。
本发明实施例提供的一种激光定位车辆的方法及装置，通过获取参考点云数据与当前位置的当前点云数据；对参考点云数据进行网格划分，获得第一网格单元；基于NDT算法、当前点云数据以及第一网格单元，获得至少3个匹配区域；至少3个匹配区域为配准得分最高的至少3个区域；这样可实现快速寻优，跳过局部最优解，节省计算资源的消耗。进一步的，基于至少3个匹配区域，获得第二网格单元，第二网格单元小于第一网格单元；基于NDT算法、第二网格单元与至少3个匹配区域，获得车辆的位置信息；采用第二网格单元进行寻优求解，可以在已经确定的几个最优匹配区域中进行更高精度的寻优过程。由此，采用本发明实施例方法确定车辆位置信息，可降低计算资源的消耗，同时避免落入局部最优解，保证确定的车辆位置信息更加可靠。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1示出了本发明第一实施例提供的一种激光定位车辆的方法的流程图；
图2示出了本发明第一实施例中示例一的参考点云数据的结构示意图；
图3示出了本发明第一实施例中示例二的参考点云数据的结构示意图；
图4示出了本发明第二实施例提供的一种激光定位车辆的装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
第一实施例
请参见图1，图1示出了本发明第一实施例提供的一种激光定位车辆的方法的流程图。本实施例通过对NDT算法的配准过程优化，来解决现有技术中数据处理量大以及容易陷入局部最优的问题。具体的，所述方法包括：
步骤S10：获取参考点云数据与当前位置的当前点云数据。
在步骤S10中，参考点云数据可为高精度地图的地图点云数据中的一部分数据，当前点云数据为车辆上的激光雷达扫描得到的点云数据。参考点云数据的获取具体如下：
在车辆行驶过程中，可能具有任一情况的行驶速度。在不同的行驶速度下，车辆前进的距离是不同的。在较高行驶速度的情况下，往往需要监测更大范围的路况，保证能够做到有效的应急。本实施例中采用如下的方式对参考点云数据进行优化：
首先，获取车辆的定位更新的时长间隔、车辆速度以及历史位置；历史位置为车辆前一次定位的位置。时长间隔、车辆速度以及历史位置可从车辆中进行读取。然后，基于时长间隔和车辆速度，确定配准半径；具体的，配准半径为时长间隔与车辆速度的乘积，配准半径的圆心为历史位置。最后，基于历史位置和配准半径，从预设的地图点云数据中确定出参考点云数据。进一步的，在本实施例中，可通过历史位置和配准半径，判断配准半径内的转弯路线信息；转弯路线信息表示该配准半径内是否存在转弯路线；然后，基于转弯路线信息，从预设的地图点云数据中确定出参考点云数据。
本实施例中提供了确定参考点云数据的两种情况示例：
示例一，转弯路线信息表示不包括转弯路线时，也即车辆的历史位置附近不存在转弯路线信息。参考点云数据的确定过程为：首先，获取车身宽度；然后，基于车身宽度，确定参考点云数据的数据宽度；数据宽度可为2个以上的车身宽度；例如，数据宽度为2～8个车身宽度，优选地，为4个车身宽度。当数据宽度为4个车身宽度时，能够使NDT算法取得较好的配准效果，同时平衡了计算量。接着，基于配准半径和车辆速度，确定参考点云数据的数据补充长度；本示例中，以车辆速度乘以一预设时长作为行驶路线上的数据补充长度。最后，基于配准半径、数据宽度和数据补充长度，从预设的地图点云数据中确定出参考点云数据。该例子中，该数据补充长度对应的点云数据在行驶路线上的两端与配准半径所在圆形区域相接，得到数据的总长度。形成的参考点云数据的区域为一矩形区域，最后取得的参考点云数据为矩形状，如图2所示，其中，历史位置为P，数据宽度为A，数据补充长度为C，配准半径为R。在上述示例中，确定的参考点云数据有效的缩小了配准的地图范围，节约匹配过程的计算资源消耗，并且不会对配准得准确度产生不利的影响，可对路线上的点云数据进行良好的配准。
示例二，转弯路线信息表示包括转弯路线时，也即车辆的历史位置附近存在转弯路线信息。参考点云数据的确定过程为：首先，获取车身宽度；然后，基于车身宽度，确定参考点云数据的数据宽度；接着，基于配准半径和车辆速度，确定参考点云数据的数据补充长度；基于转弯路线的转向方向、配准半径、数据宽度和数据补充长度，从预设的地图点云数据中确定出参考点云数据；具体的，数据的补充长度对应的点云数据在转弯路线的转向方向上与配准半径所在的圆形区域相接，如图3所示。在图3中示出了一十字转向路口的参考点云数据。需要说明的是，在示例二中未进行解释的术语与执行步骤可参照示例一种的阐述进行理解，不再赘述。通过示例二中获得的参考点云可有效的将在转向路口的数据提取出来，极大的降低了配准过程的计算量，提高了配准速度和准确度。
步骤S20：对所述参考点云数据进行网格划分，获得第一网格单元。
在步骤S20中，第一网格单元可设置的较大，以便进行快速寻优，同时有利于跳过NDT配准过程中的局部最优解；例如，第一网格单元的大小可设置为10。
步骤S30：基于NDT算法、所述当前点云数据以及所述第一网格单元，获得至少3个匹配区域；所述至少3个匹配区域为配准得分最高的至少3个区域。
在步骤S30中，首先，基于所述NDT算法将当前点云数据与第一网格单元进行配准，获得当前点云数据中每个转换点的概率密度分布；也即，基于NDT算法将当前点云数据转换到第一网格单元中，并计算每个转换点的概率密度分布。进一步的，基于当前点云数据和转换点的概率密度分布，获得匹配区域的分数值；对于一个网格单元而言，网格内的所有转换点的概率密度之和可作为该网格的分数值。最后，基于分数值的大小，获得至少3个匹配区域。对于本领域技术人员而言，在NDT算法的运用过程中，当前点云数据的转换、概率密度分布的计算以及分数值的计算均可参考现有公开的技术资料。
在本实施例中，NDT算法配准过程中初始参数stepsize(计算步长)设定为1，stepsize为函数中求取配准得分最大值时，运用牛顿法、高斯牛顿等方法求解的变化步长值，且将eplison设置为0.1，epsilon为匹配是否达到最优的设定阈值，如果一次矩阵变换后，配准得分的变化量小于此阈值，则认定达到最大值，保证在前期配准过程中能够快速的找到最优解。至少3个匹配区域表示3个或3个以上，可选的为3个、4个、5个或6个。优选地，匹配区域为3个，能够保证较大概率确定全局最优解，且降低计算资源消耗。
步骤S40：基于所述至少3个匹配区域，获得第二网格单元；所述第二网格单元小于所述第一网格单元。
在步骤S40中具体实现步骤为：
步骤S41：基于至少3个匹配区域的分数值，获得每两个匹配区域之间的分数差值。
步骤S42：从述分数差值中确定最小差值。
步骤S43：基于最小差值分别对至少3个匹配区域进行网格划分，获得第二网格单元。
在步骤S41-S43中，将匹配区域之间的最小差值作为确定第二网格单元的依据，能够保证获得的最优解更加接近于全局的最优解。例如，最小差值为a，则可将第二网格单元的大小调整为a乘以第一网格单元大小后向下取最邻近整数值，若小于1则取1。
步骤S50：基于NDT算法、所述第二网格单元与所述至少3个匹配区域，获得车辆的位置信息。
在步骤S50中，还可基于最小差值调整NDT算法的变换参数的计算步长(stepsize)，获得目标步长；例如，最小差值为a，则确定的目标步长为a与步骤S30中eplision的乘积，也即a乘以1。这样的好处是，能够选取到最优解，避免计算步长过大在最优解左右往返跳动寻找不到最优解，同时还能够加快接近最优解的速度，减少前期运算时间。最后，基于NDT算法、目标步长、当前点云数据以及第二网格单元，对每个匹配区域进行配准，获得车辆的位置信息。确定出的匹配区域已经为最优的几个匹配区域，全局最优解应当存在于这些区域中的任一个中。因此，通过缩小网格单元后继续在这些匹配区域中进行寻优即可获得最终的最优配准结果。具体而言，在配准的过程中，针对每个匹配区域分别进行配准，将匹配得分最高处参数保留，也即寻找到最优的变换参数，即可确定车辆所在位置信息。车辆的位置信息可包括在参考点云数据中的位置坐标，姿态信息，等等。
综上所述，本实施例提供的一种激光定位车辆的方法，通过获取参考点云数据与当前位置的当前点云数据；对参考点云数据进行网格划分，获得第一网格单元；基于NDT算法、当前点云数据以及第一网格单元，获得至少3个匹配区域；至少3个匹配区域为配准得分最高的至少3个区域；这样可实现快速寻优，跳过局部最优解，节省计算资源的消耗。进一步的，基于至少3个匹配区域，获得第二网格单元，第二网格单元小于第一网格单元；基于NDT算法、第二网格单元与至少3个匹配区域，获得车辆的位置信息；采用第二网格单元进行寻优求解，可以在已经确定的几个最优匹配区域中进行更高精度的寻优过程。由此，采用本实施例方法确定车辆位置信息，可降低计算资源的消耗，同时避免落入局部最优解，保证确定的车辆位置信息更加可靠。
第二实施例
请参阅图4，基于同一发明构思，本发明第二实施例提供了一种激光定位车辆的装置300。所述激光定位车辆的装置包括：
获取模块301，用于获取参考点云数据与当前位置的当前点云数据；
第一网格化模块302，用于对所述参考点云数据进行网格划分，获得第一网格单元；
第一配准模块303，用于基于NDT算法、所述当前点云数据以及所述第一网格单元，获得至少3个匹配区域；所述至少3个匹配区域为配准得分最高的至少3个区域；
第二网格化模块304，用于基于所述至少3个匹配区域，获得第二网格单元；所述第二网格单元小于所述第一网格单元；
第二配准模块305，用于基于NDT算法、所述第二网格单元与所述至少3个匹配区域，获得车辆的位置信息。
作为一种可选的实施方式，所述获取模块301，具体用于：
获取所述车辆的定位更新的时长间隔、车辆速度以及历史位置；所述历史位置为所述车辆前一次定位的位置；基于所述时长间隔和所述车辆速度，确定配准半径；基于所述历史位置和所述配准半径，从预设的地图点云数据中确定出所述参考点云数据。
作为一种可选的实施方式，所述获取模块301，还具体用于：
基于所述历史位置和所述配准半径，获取所述历史位置处的转弯路线信息；基于所述转弯路线信息，从预设的地图点云数据中确定出所述参考点云数据。
作为一种可选的实施方式，所述获取模块301，还具体用于：
获取车身宽度；基于所述车身宽度，确定所述参考点云数据的数据宽度；基于所述配准半径和所述车辆速度，确定所述参考点云数据的数据补充长度；基于所述配准半径、所述数据宽度和所述数据补充长度，从预设的地图点云数据中确定出所述参考点云数据。
作为一种可选的实施方式，所述获取模块301，还具体用于：
获取车身宽度；基于所述车身宽度，确定所述参考点云数据的数据宽度；基于所述配准半径和所述车辆速度，确定所述参考点云数据的数据补充长度；基于所述转弯路线的转向方向、所述配准半径、所述数据宽度和所述数据补充长度，从预设的地图点云数据中确定出所述参考点云数据。
作为一种可选的实施方式，所述第一配准模块303，具体用于：
基于所述NDT算法将所述当前点云数据与所述第一网格单元进行配准，获得所述当前点云数据中每个转换点的概率密度分布；基于所述当前点云数据和所述转换点的概率密度分布，获得匹配区域的分数值；基于所述分数值的大小，获得所述至少3个匹配区域。
作为一种可选的实施方式，所述第二网格化模块304，具体用于：
基于所述至少3个匹配区域的分数值，获得每两个所述匹配区域之间的分数差值；从所述分数差值中确定最小差值；基于所述最小差值分别对所述至少3个匹配区域进行网格划分，获得所述第二网格单元。
作为一种可选的实施方式，所述第二配准模块305，具体用于：
基于所述最小差值调整所述NDT算法的变换参数的计算步长，获得目标步长；基于NDT算法、所述目标步长、所述当前点云数据以及所述第二网格单元，对每个所述匹配区域进行配准，获得车辆的位置信息。
需要说明的是，本发明实施例所提供的激光定位车辆的装置300，其具体实现及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
第三实施例
基于同一发明构思，本发明第三实施例还提供了一种激光定位车辆的装置，包括处理器和存储器，所述存储器耦接到所述处理器，所述存储器存储指令，当所述指令由所述处理器执行时使所述激光定位车辆的装置执行第一实施例中公开的步骤。
需要说明的是，本发明实施例所提供的激光定位车辆的装置中，上述每个步骤的具体实现及产生的技术效果和前述方法实施例相同，为简要描述，本实施例未提及之处可参考前述方法实施例中相应内容。
本文中出现的术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系；单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种激光定位车辆的方法，其特征在于，包括：
获取参考点云数据与当前位置的当前点云数据；
对所述参考点云数据进行网格划分，获得第一网格单元；
基于NDT算法、所述当前点云数据以及所述第一网格单元，获得至少3个匹配区域；所述至少3个匹配区域为配准得分最高的至少3个区域；
基于所述至少3个匹配区域，获得第二网格单元，包括：
基于所述至少3个匹配区域的分数值，获得每两个所述匹配区域之间的分数差值；
从所述分数差值中确定最小差值；
基于所述最小差值分别对所述至少3个匹配区域进行网格划分，获得所述第二网格单元；
所述第二网格单元小于所述第一网格单元；
基于NDT算法、所述第二网格单元与所述至少3个匹配区域，获得车辆的位置信息，包括：
基于所述最小差值调整所述NDT算法的变换参数的计算步长，获得目标步长；
基于NDT算法、所述目标步长、所述当前点云数据以及所述第二网格单元，对每个所述匹配区域进行配准，获得车辆的位置信息。
2.根据权利要求1所述的方法，其特征在于，所述获取参考点云数据，包括：
获取所述车辆的定位更新的时长间隔、车辆速度以及历史位置；所述历史位置为所述车辆前一次定位的位置；
基于所述时长间隔和所述车辆速度，确定配准半径；
基于所述历史位置和所述配准半径，从预设的地图点云数据中确定出所述参考点云数据。
3.根据权利要求2所述的方法，其特征在于，所述基于所述历史位置和所述配准半径，从预设的地图点云数据中确定出所述参考点云数据，包括：
基于所述历史位置和所述配准半径，获取所述历史位置处的转弯路线信息；
基于所述转弯路线信息，从预设的地图点云数据中确定出所述参考点云数据。
4.根据权利要求3所述的方法，其特征在于，所述转弯路线信息表示不包括转弯路线时，所述基于所述转弯路线信息，从预设的地图点云数据中确定出所述参考点云数据，包括：
获取车身宽度；
基于所述车身宽度，确定所述参考点云数据的数据宽度；
基于所述配准半径和所述车辆速度，确定所述参考点云数据的数据补充长度；
基于所述配准半径、所述数据宽度和所述数据补充长度，从预设的地图点云数据中确定出所述参考点云数据。
5.根据权利要求3所述的方法，其特征在于，所述转弯路线信息表示包括转弯路线时，所述基于所述转弯路线信息，从预设的地图点云数据中确定出所述参考点云数据，包括：
获取车身宽度；
基于所述车身宽度，确定所述参考点云数据的数据宽度；
基于所述配准半径和所述车辆速度，确定所述参考点云数据的数据补充长度；
基于所述转弯路线的转向方向、所述配准半径、所述数据宽度和所述数据补充长度，从预设的地图点云数据中确定出所述参考点云数据。
6.根据权利要求1所述的方法，其特征在于，所述基于NDT算法、所述当前点云数据以及所述第一网格单元，获得至少3个匹配区域，包括：
基于所述NDT算法将所述当前点云数据与所述第一网格单元进行配准，获得所述当前点云数据中每个转换点的概率密度分布；
基于所述当前点云数据和所述转换点的概率密度分布，获得匹配区域的分数值；
基于所述分数值的大小，获得所述至少3个匹配区域。
7.一种激光定位车辆的装置，其特征在于，包括：
获取模块，用于获取参考点云数据与当前位置的当前点云数据；
第一网格化模块，用于对所述参考点云数据进行网格划分，获得第一网格单元；
第一配准模块，用于基于NDT算法、所述当前点云数据以及所述第一网格单元，获得至少3个匹配区域；所述至少3个匹配区域为配准得分最高的至少3个区域；
第二网格化模块，用于基于所述至少3个匹配区域，获得第二网格单元，包括：
基于所述至少3个匹配区域的分数值，获得每两个所述匹配区域之间的分数差值；
从所述分数差值中确定最小差值；
基于所述最小差值分别对所述至少3个匹配区域进行网格划分，获得所述第二网格单元；
所述第二网格单元小于所述第一网格单元；
第二配准模块，基于NDT算法、所述第二网格单元与所述至少3个匹配区域，获得车辆的位置信息，包括：
基于所述最小差值调整所述NDT算法的变换参数的计算步长，获得目标步长；
基于NDT算法、所述目标步长、所述当前点云数据以及所述第二网格单元，对每个所述匹配区域进行配准，获得车辆的位置信息。
8.一种激光定位车辆的装置，其特征在于，包括处理器和存储器，所述存储器耦接到所述处理器，所述存储器存储指令，当所述指令由所述处理器执行时使所述激光定位车辆的装置执行权利要求1-6中任一项所述方法的步骤。
CN202011455835.8A 2020-12-10 2020-12-10 一种激光定位车辆的方法及装置 Active CN112731334B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011455835.8A CN112731334B (zh) 2020-12-10 2020-12-10 一种激光定位车辆的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011455835.8A CN112731334B (zh) 2020-12-10 2020-12-10 一种激光定位车辆的方法及装置

Publications (2)

Publication Number Publication Date
CN112731334A CN112731334A (zh) 2021-04-30
CN112731334B true CN112731334B (zh) 2023-09-12

Family

ID=75599506

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011455835.8A Active CN112731334B (zh) 2020-12-10 2020-12-10 一种激光定位车辆的方法及装置

Country Status (1)

Country Link
CN (1) CN112731334B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113313629B (zh) * 2021-07-30 2021-10-29 北京理工大学 交叉路口自动识别方法、***及其模型保存方法、***
CN113325389A (zh) * 2021-08-03 2021-08-31 北京理工大学 一种无人车激光雷达定位方法、***及存储介质
CN115985109B (zh) * 2022-10-17 2023-11-07 上海伯镭智能科技有限公司 一种无人驾驶矿车环境感知方法和***
CN115877349B (zh) * 2023-02-20 2023-05-23 北京理工大学 一种基于激光雷达的交叉路口车辆定位方法及***

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106980029A (zh) * 2016-01-15 2017-07-25 厦门雅迅网络股份有限公司 车辆超速判断方法及其***
CN108036793A (zh) * 2017-12-11 2018-05-15 北京奇虎科技有限公司 基于点云的定位方法、装置及电子设备
CN109917376A (zh) * 2019-02-26 2019-06-21 东软睿驰汽车技术（沈阳）有限公司 一种定位方法及装置
CN110060282A (zh) * 2019-03-27 2019-07-26 东软睿驰汽车技术（沈阳）有限公司 一种点云配准的方法及装置
CN110515055A (zh) * 2019-10-24 2019-11-29 奥特酷智能科技(南京)有限公司 利用半径搜索优化激光雷达定位的方法
CN111338360A (zh) * 2020-05-18 2020-06-26 北京三快在线科技有限公司 一种规划车辆行驶状态的方法及装置
CN111596298A (zh) * 2020-05-13 2020-08-28 北京百度网讯科技有限公司 目标对象的定位方法、装置、设备及存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150078881A (ko) * 2013-12-31 2015-07-08 현대자동차주식회사 클라우드 컴퓨팅을 통한 차량 위치 측정방법
CN109146976B (zh) * 2018-08-23 2020-06-02 百度在线网络技术（北京）有限公司 用于定位无人车的方法和装置
CA3028286A1 (en) * 2018-11-09 2020-05-09 Beijing Didi Infinity Technology And Development Co., Ltd. Vehicle positioning system using lidar

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106980029A (zh) * 2016-01-15 2017-07-25 厦门雅迅网络股份有限公司 车辆超速判断方法及其***
CN108036793A (zh) * 2017-12-11 2018-05-15 北京奇虎科技有限公司 基于点云的定位方法、装置及电子设备
CN109917376A (zh) * 2019-02-26 2019-06-21 东软睿驰汽车技术（沈阳）有限公司 一种定位方法及装置
CN110060282A (zh) * 2019-03-27 2019-07-26 东软睿驰汽车技术（沈阳）有限公司 一种点云配准的方法及装置
CN110515055A (zh) * 2019-10-24 2019-11-29 奥特酷智能科技(南京)有限公司 利用半径搜索优化激光雷达定位的方法
CN111596298A (zh) * 2020-05-13 2020-08-28 北京百度网讯科技有限公司 目标对象的定位方法、装置、设备及存储介质
CN111338360A (zh) * 2020-05-18 2020-06-26 北京三快在线科技有限公司 一种规划车辆行驶状态的方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于激光点云NDT特征的两步回环检测;柴梦娜;刘元盛;任丽军;;激光与红外(第01期);19-26 *

Also Published As

Publication number Publication date
CN112731334A (zh) 2021-04-30

Similar Documents

Publication Publication Date Title
CN112731334B (zh) 一种激光定位车辆的方法及装置
US20200265710A1 (en) Travelling track prediction method and device for vehicle
US9738278B2 (en) Creation of an obstacle map
CN110687539A (zh) 一种车位检测方法、装置、介质和设备
CN112444263B (zh) 全局路径规划方法及装置
CN114485698B (zh) 一种交叉路口引导线生成方法及***
US20210270613A1 (en) Method, apparatus, device and medium for detecting environmental change
JP7103161B2 (ja) 地図情報システム
CN112595337A (zh) 避障路径规划方法、装置、电子装置、车辆及存储介质
CN115326051A (zh) 一种基于动态场景的定位方法、装置、机器人及介质
CN114764249A (zh) 实时避障路径规划方法、***、设备及介质
CN116189123A (zh) 目标检测模型的训练方法、装置及目标检测方法、装置
CN117104226A (zh) 基于车道线的巡航目标选择方法、装置、设备及介质
CN112183381A (zh) 车辆的可行驶区域检测方法和装置
EP4119413A1 (en) Error compensation method and apparatus, computer device, and storage medium
CN116523970B (zh) 基于二次隐式匹配的动态三维目标跟踪方法及装置
CN115856979B (zh) 自动驾驶车辆的定位方法、装置及电子设备、存储介质
CN111414929B (zh) 设计泊车路径规划预判器的方法和泊车路径规划预判器
CN112269848A (zh) 一种众包轨迹数据融合方法及装置
US20230182743A1 (en) Method and system for extracting road data and method and system for controlling self-driving car
CN111338336B (zh) 一种自动驾驶方法及装置
CN115546522A (zh) 运动目标的识别方法以及相关装置
CN115097826A (zh) 一种车辆掉头轨迹规划方法及装置
CN116502479B (zh) 一种三维物体在仿真环境中的碰撞检测方法和装置
CN111474927B (zh) 距离变换的预处理方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant